自适应调节医学CT序列图像窗宽窗位算法

doi:10.12068/j.issn.1005-3026.2023.10.004

东北大学学报（自然科学版） ›› 2023, Vol. 44 ›› Issue (10): 1392-1400.DOI: 10.12068/j.issn.1005-3026.2023.10.004

自适应调节医学CT序列图像窗宽窗位算法

陈锦林，原培新，侯浩南，赵钊

(东北大学机械工程与自动化学院，辽宁沈阳110819)

发布日期:2023-10-27
通讯作者: 陈锦林
作者简介:陈锦林(1997-)，男，福建泉州人，东北大学硕士研究生；原培新(1953-)，男，辽宁营口人，东北大学教授.
基金资助:
-

Self-adaptation Adjusting Window Width and Window Level Algorithm for Medical CT Sequence Images

CHEN Jin-lin， YUAN Pei-xin， HOU Hao-nan， ZHAO Zhao

School of Mechanical Engineering & Automation， Northeastern University， Shenyang 110819， China.

Published:2023-10-27
Contact: YUAN Pei-xin
About author:-
Supported by:
-

摘要/Abstract

摘要： 调窗处理能够提高医学CT图像对灰度的识别准确率，默认窗位窗宽(127.5， 255)局限性强，人工调窗不仅需要具备丰富的先验知识，而且效率低下无法广泛应用，为此提出一种自适应调窗算法.该算法首先根据序列图像最大和最小灰度值绘制直方图.其次设置相关参数，遍历直方图去除频数小于阈值T_○0的部分，再次遍历直方图将相邻两组频数差值小于阈值T_○1的部分合并.最后根据直方图计算窗宽窗位.通过对比实验表明，该算法在均方误差、信噪比和峰值信噪比方面都有所提高，能够有效地提高灰度识别准确率.

关键词: 医学CT序列图像; 自适应;调窗处理;直方图;阈值

Abstract: Window transformation can improve the accuracy of gray level recognition in medical CT images. The default window(127.5， 255)has strong limitations. Manual window transformation requires rich priori knowledge and is inefficient， making it unsuitable for widespread use. Therefore， a self-adaptation algorithm for window transformation in medical CT sequence images is proposed. Firstly， a histogram is drawn according to the maximum and minimum gray level values of the sequence images. Secondly， relevant parameters are set to traverse the histogram to remove parts with frequencies below the threshold T₀. After traversing the histogram again， parts with a difference between adjacent groups of frequencies less than the threshold T₁ are merged. Finally， the window width and window level are calculated based on the histogram. Experimental results showed that the algorithm improved the mean square error， signal-to-noise ratio and peak signal-to-noise ratio， which could effectively improve the accuracy of gray level recognition.

Key words: medical CT sequence images; self-adaptation; window transformation; histogram; threshold

中图分类号:

陈锦林，原培新，侯浩南，赵钊. 自适应调节医学CT序列图像窗宽窗位算法[J]. 东北大学学报（自然科学版）, 2023, 44(10): 1392-1400.

CHEN Jin-lin， YUAN Pei-xin， HOU Hao-nan， ZHAO Zhao. Self-adaptation Adjusting Window Width and Window Level Algorithm for Medical CT Sequence Images[J]. Journal of Northeastern University(Natural Science), 2023, 44(10): 1392-1400.

参考文献

[1]Wolterink J M，Leiner T，Viergever M A，et al.Generative adversarial networks for noise reduction in low-dose CT ［J］.IEEE Transactions on Medical Imaging，2017，36(12):2536-2545.
[2]Goo H W，Goo J M.Dual-energy CT:new horizon in medical imaging ［J］.Korean Journal of Radiology，2017，18(4):559-569.
[3]Higashigaito K，Euler A，Eberhard M，et al.Contrast-enhanced abdominal CT with clinical photon-counting detector CT:assessment of image quality and comparison with energy-integrating detector CT ［J］.Academic Radiology，2022，29(5):689-697.
[4]Rajendran K，Petersilka M，McCollough C H.First clinical photon-counting detector CT system:technical evaluation ［J］.Radiology，2022，303(1):130-138.
[5]Ohhashi A，Yamada S，Haruki K，et al.Automatic adjustment of display window(gray level)for MR images using a neural network ［C］// International Society for Optics and Photonics.San Jose:SPIE，1991:63-74.
[6]周振环，陈思平，陶笃纯，等.医学图像的自动调窗与分割［J］.生物医学工程学杂志，2005，22(2):331-334.(Zhou Zhen-huan，Chen Si-ping，Tao Du-chun，et al.Medical image automatic adjusting window and segmentation ［J］.Journal of Biomedical Engineering，2005，22(2):331-334.)
[7]沈琴，蒋谟文，骆建华.一种改进的磁共振图像自动调窗算法［J］.中国医疗器械杂志，2011，35(4):253-255.(Shen Qin，Jiang Mo-wen，Luo Jian-hua.An improved auto-algorithm for MR image ［J］.Chinese Journal of Medical Instrumentation，2011，35(4):253-255.)
[8]吕磊，赵勋杰.一种16位灰度图像自动调窗算法［J］.光电技术应用，2016，31(4):27-30，45.(Lyu Lei，Zhao Xun-jie.Auto-window algorithm for 16-bit grayscale image ［J］.Electro-Optic Technology Application，2016，31(4):27-30，45.)
[9]Mantri M，Taran S，Sunder G.DICOM integration libraries for medical image interoperability:a technical review ［J］.IEEE Reviews in Biomedical Engineering，2022，15(1):247-259.
[10]Li X R，Morgan P S，Rorden C.The first step for neuroimaging data analysis:DICOM to NIFTI conversion ［J］.Journal of Neuroscience Methods，2016，264(1):47-56.
[11]Gueld M O，Kohnen M，Keysers D，et al.Quality of DICOM header information for image categorization ［C］// Conference on PACS and Integrated Medical Information Systems:Design and Evaluation.Aachen:SPIE，2002:280-287.
[12]Chen L，Li C Q，Li C.Security measurement of a medical communication scheme based on chaos and DNA coding ［J］.Journal of Visual Communication and Image Representation，2022，83(5):168-175.
[13]Pieper S，Lorensen B，Schroeder W，et al.The NA-MAC kit:ITK，VTK，pipelines，grids and 3D slicer as an open platform for the medical image computing community ［C］//The 3rd IEEE International Symposium on Biomedical Imaging:Nano to Macro.Arlington:IEEE，2006:698-701.
[14]Avila R，He T S，Hong L C，et al.VolVis:a diversified volume visualization system ［C］// IEEE Conference on Visualization.Washington D C:IEEE，1994:31-38.
[15]Pickhardt P J.Three-dimensional endoluminal CT colonography(virtual colonoscopy):comparison of three commercially available system ［J］.American Journal of Roentgenology，2003，181(6):1599-1606.
[16]Wolf L，Vetter M，Wegner I，et al.The medical imaging interaction toolkit:challenges and advances ［J］.International Journal of Computer Assisted Radiology Surgery，2013，8(4):607-620.
[17]Ibanez L，Schroeder W，Ng L，et al.The ITK software guide:the insight segmentation and registration toolkit ［J］.Computational Statistics & Data Analysis，2003，21(1):231-256.

自适应调节医学CT序列图像窗宽窗位算法

Self-adaptation Adjusting Window Width and Window Level Algorithm for Medical CT Sequence Images

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	杨丹，刘国如，任梦成，裴宏杨. 多尺度卷积核U-Net模型的视网膜血管分割方法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 7-14.
[2]	原培新，陈鼎夫. 双能X射线高动态范围安检图像压缩算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 96-101.
[3]	冯宝，李昌林，李智，刘壮盛. 基于活动轮廓模型和影像组学的乳腺癌LVI状态预测[J]. 东北大学学报:自然科学版, 2020, 41(2): 193-199.
[4]	张云洲，郑瑞，暴吉宁，朱尚栋. 基于多个相关滤波器的行人跟踪尺度算法[J]. 东北大学学报:自然科学版, 2019, 40(9): 1228-1234.
[5]	陈红，于晓升，吴成东，孙鹏. 参数化水平集活动轮廓模型的快速图像分割算法[J]. 东北大学学报:自然科学版, 2019, 40(1): 6-10.
[6]	徐礼胜，张书琪，牛潇，徐阳. 基于全卷积网络的左心室射血分数自动检测[J]. 东北大学学报:自然科学版, 2018, 39(11): 1572-1576.
[7]	齐林，吕旭阳，杨本强，徐礼胜. 基于全卷积网络迁移学习的左心室内膜分割[J]. 东北大学学报:自然科学版, 2018, 39(11): 1577-1582.
[8]	魏国辉，齐守良，钱唯，张魁星. 基于相似性度量的肺结节图像检索算法[J]. 东北大学学报:自然科学版, 2018, 39(9): 1226-1231.
[9]	宫照煊，覃文军，郭薇，赵大哲. 改进的局部扩展拟合图像分割方法[J]. 东北大学学报:自然科学版, 2018, 39(4): 483-487.
[10]	王彬，赵海，朱宏博，朴春赫. 基于CT图像3D特征的肺结节检测[J]. 东北大学学报:自然科学版, 2018, 39(2): 181-185.
[11]	刘晓志，齐迪迪，贲驰. 基于畸变分离的摄像机标定方法[J]. 东北大学学报:自然科学版, 2017, 38(5): 620-624.
[12]	王琪，张铁，张晓梦，张祥德. 基于SIFT和SDM的虹膜定位方法[J]. 东北大学学报:自然科学版, 2017, 38(2): 180-184.
[13]	张祥德，朱和贵，李倩颖，唐青松. 基于MBC和POEM特征的人脸识别方法[J]. 东北大学学报:自然科学版, 2015, 36(11): 1526-1529.
[14]	彭怡书，颜云辉，赵久梁，张尧. 基于非局部稀疏特征的行人检测方法[J]. 东北大学学报:自然科学版, 2015, 36(4): 465-468.
[15]	杜小甫，王成恩. 基于等值线数据的一种新的云图算法[J]. 东北大学学报(自然科学版), 2013, 34(5): 624-627.